Σύνοψη
- Η εφαρμογή My Heart Counts του Stanford ενσωματώνει πλέον AI coaching για την πρόληψη καρδιαγγειακών παθήσεων, ξεφεύγοντας από την απλή καταγραφή βημάτων.
- Ο αλγόριθμος βασίζεται στο Διαθεωρητικό Μοντέλο Αλλαγής της συμπεριφορικής ψυχολογίας, προσαρμόζοντας τα μηνύματα στο επίπεδο ετοιμότητας του κάθε χρήστη.
- Λειτουργεί αυστηρά με δομημένα δεδομένα και όχι ως ελεύθερο chatbot, διασφαλίζοντας ιατρική ασφάλεια και αποτρέποντας "παραισθήσεις" της AI.
- Στις πρώτες κλινικές δοκιμές, οι συμμετέχοντες προτίμησαν την καθοδήγηση του αλγορίθμου έναντι των μηνυμάτων που είχαν συνταχθεί από ανθρώπους ειδικούς.
- Βασίζεται στην αρχιτεκτονική Spezi ανοιχτού κώδικα του Stanford, προωθώντας τη διαφανή έρευνα αντί για τα κλειστά εμπορικά οικοσυστήματα.
Οι περισσότερες εφαρμογές παρακολούθησης της φυσικής κατάστασης εστιάζουν αποκλειστικά στην παθητική καταγραφή δεδομένων. Ο χρήστης ανοίγει το application, ελέγχει τον αριθμό των βημάτων ή την ποιότητα του ύπνου του και συχνά το κλείνει χωρίς καμία περαιτέρω αλληλεπίδραση. Η Ιατρική Σχολή του Πανεπιστημίου Stanford επιχειρεί να αλλάξει την προσέγγιση γύρω από τις ψηφιακές εφαρμογές υγείας, μεταβαίνοντας από την απλή αποτύπωση στατιστικών στην ενεργή, προσωποποιημένη τροποποίηση της ανθρώπινης συμπεριφοράς.
Το επίκεντρο αυτής της προσπάθειας είναι το My Heart Counts, μια εφαρμογή που ξεκίνησε το 2015 σε συνεργασία με την Apple. Στην πρώτη της έκδοση, κατάφερε να συγκεντρώσει δεδομένα από 40.000 συμμετέχοντες μέσα σε μόλις δύο εβδομάδες. Σήμερα, μετρώντας πάνω από 100.000 εγγεγραμμένους χρήστες, η πλατφόρμα αναβαθμίζεται ριζικά. Η νέα έκδοση ενσωματώνει ένα σύστημα τεχνητής νοημοσύνης (AI) το οποίο αναλαμβάνει χρέη ψηφιακού καθοδηγητή, στοχεύοντας στην αντιμετώπιση του μεγαλύτερου προβλήματος στη σύγχρονη ιατρική: τη διατήρηση της τακτικής σωματικής άσκησης για την προστασία από τις καρδιαγγειακές παθήσεις.
Η εφαρμογή My Heart Counts χρησιμοποιεί παραμετροποιημένους αλγορίθμους τεχνητής νοημοσύνης, βασισμένους στο Διαθεωρητικό Μοντέλο Αλλαγής Συμπεριφοράς, για να στέλνει προσωποποιημένα μηνύματα άσκησης. Δεν είναι chatbot, αλλά αξιολογεί τα δεδομένα κίνησης, ηλικιακούς παράγοντες και το στάδιο ετοιμότητας του χρήστη, προσφέροντας στοχευμένα κίνητρα για τη διατήρηση της σωματικής δραστηριότητας, χωρίς να προβαίνει σε αυτόνομες ιατρικές διαγνώσεις.
Η ψυχολογία πίσω από τον αλγόριθμο
Ο πυρήνας του AI συστήματος αντλεί τα δεδομένα του από ένα θεμελιώδες πλαίσιο της συμπεριφορικής ψυχολογίας: το Διαθεωρητικό Μοντέλο Αλλαγής (Transtheoretical Model of Change), το οποίο αναπτύχθηκε τη δεκαετία του 1980. Το μοντέλο αυτό αναγνωρίζει ότι οι άνθρωποι διέρχονται από διακριτά στάδια πριν υιοθετήσουν μόνιμα μια νέα συνήθεια.
Ένας χρήστης που δεν έχει σκεφτεί ποτέ να ξεκινήσει γυμναστική απαιτεί εντελώς διαφορετικό μήνυμα προσέγγισης από κάποιον που τρέχει ήδη τρεις φορές την εβδομάδα αλλά αντιμετωπίζει τον κίνδυνο της εγκατάλειψης. Η τεχνητή νοημοσύνη της εφαρμογής αναλύει τα δεδομένα και εντοπίζει τη θέση του χρήστη σε αυτό το φάσμα. Για τους αρχάριους, τα μηνύματα εστιάζουν στην υπέρβαση των δισταγμών. Για τους ήδη ενεργούς, το σύστημα αποστέλλει υπενθυμίσεις εστιασμένες στη διατήρηση του ρυθμού.
Δομημένα δεδομένα και όχι ελεύθερο Chatbot
Το Stanford επέλεξε συνειδητά να μην ενσωματώσει ένα παραδοσιακό LLM (Large Language Model) με δυνατότητα ελεύθερου διαλόγου. Ο Anders Johnson, project manager στο Department of Medicine, διευκρινίζει ότι το σύστημα "δεν λαμβάνει ιατρικές αποφάσεις". Οι παρεμβάσεις παράγονται μέσα από ένα αυστηρά ελεγχόμενο σύνολο παραμέτρων:
- Το στάδιο ετοιμότητας του χρήστη.
- Την ηλικία και τους πιθανούς σωματικούς περιορισμούς.
- Την προτιμώμενη γλώσσα και ώρα παράδοσης των ειδοποιήσεων.
Αυτός ο περιορισμός διασφαλίζει ότι η τεχνητή νοημοσύνη δεν θα εκτροχιαστεί, δεν θα δώσει επικίνδυνες ιατρικές συμβουλές και θα παραμείνει προσηλωμένη στον μοναδικό της στόχο: την ενίσχυση της συμπεριφορικής αλλαγής.
Κλινικά δεδομένα και η αποδοχή των χρηστών
Τα πρώτα αποτελέσματα της κλινικής έρευνας προσφέρουν ένα εξαιρετικά ενδιαφέρον στατιστικό: οι συμμετέχοντες έδειξαν προτίμηση στα μηνύματα που παρήγαγε ο AI αλγόριθμος σε σύγκριση με τα μηνύματα που είχαν συνταχθεί από εξειδικευμένους επαγγελματίες υγείας.
Η Fatima Rodriguez, αναπληρώτρια καθηγήτρια καρδιαγγειακής ιατρικής στο Stanford, εξηγεί ότι ο αλγόριθμος μπορεί να αξιοποιήσει άμεσα τις εισροές δεδομένων προσφέροντας έναν βαθμό μικρο-εξατομίκευσης που πρακτικά είναι αδύνατον να αναπαραχθεί από ανθρώπινους πόρους σε τέτοια κλίμακα. Αν αυτό το εύρημα επιβεβαιωθεί σε ευρύτερα δείγματα, υποδεικνύει ότι η τεχνητή νοημοσύνη μπορεί να προσφέρει ποιοτική καθοδήγηση υγείας, καταργώντας το τεράστιο κόστος που συνοδεύει τον προσωπικό προπονητή ή τον σύμβουλο υγείας.
Για την απόδειξη της αποτελεσματικότητας, η ομάδα τρέχει μια τυχαιοποιημένη μελέτη διασταύρωσης. Οι χρήστες λαμβάνουν εναλλάξ είτε τα παραμετροποιημένα AI μηνύματα είτε γενικές υπενθυμίσεις στόχων, επιτρέποντας στους ερευνητές να μετρήσουν αντικειμενικά την απόκλιση στον καθημερινό αριθμό βημάτων, χρησιμοποιώντας τον ίδιο τον χρήστη ως ομάδα ελέγχου.
Ανοιχτός κώδικας, ασφάλεια και το πλαίσιο Spezi
Η εμπορευματοποίηση των ιατρικών δεδομένων παραμένει ζήτημα μείζονος σημασίας. Το Stanford απαντά σε αυτή την ανησυχία κρατώντας το οικοσύστημα του My Heart Counts απολύτως ανοιχτό. Η εφαρμογή έχει χτιστεί πάνω στο Spezi framework, μια αρθρωτή αρχιτεκτονική ανοιχτού κώδικα.
Αντί τα δεδομένα των χρηστών να κλειδώνονται σε εμπορικούς servers μιας συγκεκριμένης εταιρείας τεχνολογίας, τα ανωνυμοποιημένα και συγκεντρωτικά στατιστικά στοιχεία διαμοιράζονται (μέσω ελεγχόμενης πρόσβασης) σε ακαδημαϊκούς ερευνητές παγκοσμίως. Παράλληλα, η εφαρμογή απαιτεί ρητή συγκατάθεση για τη σύνδεση με το Apple Health και την άντληση κλινικών βιοδεικτών, διαχωρίζοντας σαφώς τον εαυτό της από ιατρικές συσκευές που παρέχουν διαγνωστικά αποτελέσματα.
*Μπορείτε πλέον να προσθέσετε το Techgear.gr ως Προτιμώμενη Πηγή ενημέρωσης για τις αναζητήσεις σας στο Google Search!
